互联网时代中，「要为用户创造价值」已经成为产品的座右铭了。
没错，产品只有为用户创造了价值，用户才会使用这个产品，产品才能基于广大的用户群体，更进一步发展，做大做强。
一个产品是否持续地为用户创造价值，是其获得长期发展的基本原则，
那么，我们如何来衡量用户价值，它又受到哪些因素影响呢？
我想，这应该是很多产品经理、运营人员经常会去思考的一个问题。
根据用户价值的影响因素，我们整理出一个用户价值函数：
Value=c ∗U(x1,x2,x3,x4,…,ε)
-
x1,x2,x3,x4, ...... 为用户所关心的产品需具备的要素集合
-
c 为用户处于不同场景下带来的场景效应
-
ε 为可
能出现的
随机因素
用户价值有多大，很大程度取决于用户的认知，并非一个完全标准化的财务或数学指标。
举个例子解释一下：
对于淘宝来说，这个要素组合可简单分为X =﹛商品质量，商品价格，售后保障，售前咨询，配送情况，退货流程 ......﹜
而对于滴滴来说，这个要素组合可简单分为X =﹛打车速度，安全保障，价格，服务…﹜
当然要素也可进一步拆解，比如滴滴的「安全」可拆解为对女性的骚扰、生命安全、司机素质、在车上丢失物品能否归还......
关于
场景
：
同样的产品功能，对于不同的用户、同一用户处于不同场景下带来的价值不完全一样。
随机因素，可能会有比如政策、行业变化、公关、联名等突发情况或不可预知的因素。
接下来，我们就需要这些产品要素来思考一下，自己的工作或部门是如何服务于这些价值的？
我想滴滴内部肯定也是有
负责解决打车速度的团队、
解决安全问题的团队、负责服务的团队......
我们所在的部门/所做的产品/优化的流程都是在为要素组合中的某一个而服务，是产品整体价值链的一个部分。
简单来说，我们产品/运营的任务就是挖掘产品所有价值，使其被用户感知。
我们已经定义了：Value=c ∗U(x1,x2,x3,x4,…,ε)。
那么，我们只要不断提高各要素的绝对值，就能提高用户的价值吗？
我发现，实际上并没有那么简单。先来做一个实验：
在A和B两个选择中，你会选哪一个？
A：有80%的机会获得4000元，有20%的机会得不到钱
B：有100%的机会得到3000元
如果是你会怎么选？
我猜大多数都跟我一样，会选择B，那我们再来看下一个问题：
在C和D两个选择中，你会选哪个？
C：有20%的机会获得4000元，有80%的机会得不到钱
D：有25%的机会获得3000元，有75%的机会得不到钱
估计大多数人会选择C，
这是一个典型的行为经济学实验。
追溯到17世纪，一些数学家就开始思考人在面对选择时，如何决策的问题。
当时公认的想法是——如果有几个选择，能获得最大财富（利益）的那个选择就是最好的。
上面实验，
如果我们在第一种场景下选择了B，那么这种决策机制下，应该选择A才对呀，可实际上大多数人的选择是B。
对于这种现象，数学家伯努利在1738年这样解释：
随着财富的增加，人们对金钱的期望效用是递减的，这就会产生风险厌恶现象。
简单来说就是，虽然财富的诱惑力很大，但是风险会让人们停下脚步。
所以人并不总是以财富（利益）的绝对值为决策依据的。
到了1944年，数学家冯·诺伊曼(von Neumann)和经济学家摩根斯特恩(Morgenstern)提出了
期望效用理论
。
冯·诺伊曼认为：
人关心的不是财富的绝对值，而是关心财富所带来的效用。
由此，「效用」的概念代替了之前「财富绝对值」的概念，是决策理论的重大突破，成为经济学最根基的理论之一。
补充：效用（Utility）是经济学中最常用的概念之一。一般而言，效用是指对于消费者通过消费或者享受闲暇等使自己的需求、欲望等得到的滿足的一个度量。
对用户来说，那实际的决策选择是什么呢？
2002年的诺贝尔经济学奖得主、行为金融学家卡尼曼和特沃斯基，在所有研究实际决策的理论中，提出了
前景理论
(Prospect Theory)。
前景理论最著名的观点是，
决策依赖于参考点。
什么意思呢？我们举个例子：
假设你的办公室是恒温的，你对温度没什么感觉，但秋天当你走出办公室的时候，一阵风吹过，你会觉得有点冷。办公室的温度就是参考点。
但是在外面呆一段时间之后，你是不是对温度又没什么感觉了？这个时候，户外的温度就成了参考点。
